论文摘要
台湾学者W.L.Gau和D.J.Buehrer于1993年提出的Vague集理论是对Fuzzy集理论的推广。与Fuzzy集相比较,Vague集能更好、更准确地表达内容更为丰富的模糊性信息,成为智能信息处理的新工具。本论文对Vague集的基本理论及其在智能决策、模式识别等领域的应用进行了比较深入的研究。首先在介绍现有的Vague集理论和Fuzzy集理论的基础上,本文对当前Vague集的模糊熵的构造方法进行了分析,提出了合符直觉的Vague集的模糊熵。相似度量是一种在数据处理和分析中十分重要的、有效的和广泛使用的方法。在分析各种相似度量定义的基础上,提出了一种考虑各种相似准则的相似度量定义,利用真隶属度差距、假隶属度差距、未知度差距以及Vague值的核差距,引入一种新的相似度量主要计算方法,弥补了已有的相似度量的不足,并用实例介绍了它在智能决策中的应用。为了更加有效地进行模糊决策,全面考虑各目标条件对候选方案集的影响,将灰色关联分析引入到基于Vague集的多目标模糊决策中,通过分析方案集与理想集之间的关联度,从而得出最优方案,使评价结果更全面、更客观,所得结果更准确。借鉴灰色关联分析法建立Vague相似关系矩阵,并在此基础上进行Vague聚类分析。该方法充分利用Vague集的特点,可从肯定、否定和未知度等多维度进行聚类分析,为Vague集在模式识别、智能信息处理中的应用,提供了有力的工具。
论文目录
摘要ABSTRACT目录第一章 绪论1.1 论文的选题背景及意义1.2 国内外研究现状1.2.1 Vague集理论1.2.1.1 相似性度量1.2.1.2 未知度的度量1.2.1.3 Vague集向Fuzzy集转化1.2.2 Vague集应用1.2.2.1 决策领域中的应用1.2.2.2 近似推理领域中的应用1.2.2.3 其它领域中的应用1.3 论文的主要工作1.4 本文的结构安排第二章 Fuzzy集和Vague集基本理论2.1 Fuzzy集基本概述2.2 Vague集的基本概念2.3 Vague集的性质2.4 Vague集的运算规则2.5 Vague矩阵2.6 本章小结第三章 新的Vague熵构造方法3.1 引言3.2 现有模糊熵定义的缺陷3.2.1 现有模糊熵计算方法3.2.2 现有模糊熵的缺陷3.3 新的Vague集模糊熵公理化定义及其计算公式3.5 实例验证3.6 本章结论第四章 基于Vague集相似度量的比较研究4.1 引言4.2 改进的Vague集相似度量准则4.3 当前相似度量的比较研究4.3.1 当前相似度量方法4.3.2 基于准则的相似度量方法分析4.4 新的Vague集相似度量方法4.4.1 Vague值之间的相似度量4.4.2 Vague集之间的相似度量4.5 Vague集相似度量的在智能决策中的应用4.6 本章总结第五章 基于关联度的Vague多目标模糊决策5.1 引言5.2 关联分析理论5.3 基于灰色关联的Vague集的多目标决策方法5.3.1 基于Vague集的多目标决策定义5.3.2 决策方法5.4 实例分析5.5 本章总结第六章 Vague关联聚类分析在模式识别中的应用6.1 引言6.2 Vague相似关系及Vague相似矩阵6.3 基于Vague集的关联聚类分析6.3.1 Vague相似矩阵的构造6.3.2 布尔相似矩阵的构造6.3.3 Vague聚类6.4 在模式识别中的应用6.5 本章结论第七章 结论7.1 工作小结7.2 进一步工作参考文献致谢攻读硕士学位期间参与的科研项目攻读硕士学位期间完成的学术论文
相关论文文献
标签:集理论论文; 模糊熵论文; 相似度量论文; 目标决策论文; 聚类分析论文;